AI

[인공지능신문] AI ( Factory process : BMW innovation labs )

# 느낀점 : 점점 4차산업혁명 형태가 나타나는 것 같다. 물론 전부터 AI를 활용한 factory가 있다고는 들었지만 시스템 정보를 하나하나 기록해서 데이터를 구축하고 반영하는 것까지는 생각 못했다. AI가 open화 되어가면서 점점 BMW와 같은 대기업을 비롯하여 중소기업들도 '제조 및 생산 공정에 인공지능(AI) 응용 프로그램 사용을 확대하고 있다. 각 공정마다 AI 뿐만 아니라 AI 자율로봇, AI 자율이송, 증강현실(AR) 등 신기술을 적용하고 현장의 상황을 실시간으로 반영해 생산성 향상에 기여하기 시작했으며, 각 공정마다 더 이상적인 효율화할 방안을 찾고 있다. 이는 단순 기술 도입에 그치지 않고 지속 가능하고 가장 이상적인 솔루션을 추구하는 아주 가까운 미래 기술인 것이다.' - 출처 : 인..

[인공지능신문] AI ( Learning Method : Stratification Learning(활층 분할 학습) - 데이터의 기하학적 구조를 활용하는 새로운 머신러닝 방법 )

# keypoint 여러 목적 함수(평가 지표)를 동시에 최적화하는 다목적 최적화 문제의 해답을 효율적 접근하기 위해 데이터 공간 구조를 활용해 학습을 효율화 하는 새로운 AI 학습 밥법 '활층 분할 학습(Stratification Learning)' 개발 머신러닝·딥러닝 등 최신 AI 기술을 공유하는 AAAI 2020, American Association for the Artificial Intelligence에서 발표 기존 : 다목적 최적화 문제의 해결에 접근하기 위한 방법으로 응답 곡면 방법이 있었지만, 이러한 방법은 해집합의 기하학적 구조(활층, 滑層)를 잡을 수 없었고 많은 훈련 데이터(최적화 계산)가 필요. 본 기술 : 정밀도를 통계적 점근론(Asymptotic Theory)에 입각해 규명한..

[로봇, 인공지능신문] 투명물체 검출 ( ML : ClearGrasp Algorithm )

# keypoint RGB-D(RGB + Depth)영상에서 투명한 물체의 정확한 3D 데이터를 추론할 수 있는 머신러닝(ML) 기반의 ClearGrasp Algorithm을 개발 + ClearGrasp Algorithm training data : 투명 물체의 심도, 표면의 굴곡, 모서리 등에 관한 극사실적인 렌더링 데이터를 5만개 이상 새로 만들었다. 이미지들은 평면에 위치한 투명 물체, 다양한 배경과 광선 조건을 갖고 있는 가방 안의 투명 물체 등을 포함. test data : 286개의 실제 이미지 활용. structure : 세 가지 딥 컨볼루션 신경망(Deep Convolutional Networks)를 사용. 첫번째는 표면 규범을 추정하기 위한 것 (물체의 평면 굴곡 등을 추정) 두번째는 폐..

[인공지능신문] AI ( 자율주행 )

# 느낀점 : 자율주행은 공부하고 있는 것들(LiDAR, ToF, Vision, IR camera(kinect), Learning,,,)을 합쳐놓은 집합체이다! 따라서 현재의 목표는 현대 자율주행 자동차 경진대회를 이끌어 1등을 하는 것! 여러기술을 판단하고 생각해야할게 많은만큼 효율적인 알고리즘과 효과적인 부품을 파악하며 공부해야겠다. 참고 : http://www.aitimes.kr/news/articleView.html?idxno=15288 ADI, 딥러닝 기반 차량 내 모니터링 위한 정고와 기술 협력 - 인공지능신문 아나로그디바이스는 자동차의 운전자와 차량 내부에 대한 모니터링을 위한 ToF(Time-of-Flight) 및 2D 적외선(IR) 기반 카메라 솔루션 개발을 위해 최첨단 딥러닝 및 컴퓨터..

[논문리뷰] Emotion Recognition via Facial Expression ( Proceedings of TENCON 2018 - 2018 IEEE Region 10 Conference )

# TiTLE : Emotion Recognition via Facial Expression: Utilization of Numerous Feature Descriptors in Different Machine Learning Algorithms # Keypoint : 본 연구는 Key Facial Detection, Saliency Mapping, Local Binary Pattern, Histogram of Oriented Gradient의 12가지 가능한 조합을 6개의 기계학습 분류 알고리즘과 함께 조사하여 인간의 감정을 분류하는 총 72개의 모델을 생성한 후 테스트해보았더니, RBF SVM HOG+LBP 모델이 F1 점수가 0.93인 7개 감정에서 가장 높은 평균 정확도. 또한 기쁨을 분류하는 데..